تعیین عمق اشباع در پراکندگی کامپتون با استفاده از شبکه‌های عصبی مصنوعی

Authors

Abstract:

Abstract: The intensity of Compton scattered γ-ray photons provide useful information about the electron density distribution of a test sample. Because of photon attenuation, the application of this method is limited to a certain depth of the sample (saturation depth). The saturation depth value depends on the energy and intensity of primary photons and on the material of the sample. In this study, we measured the energy spectrum of the scattered photons of 662 keV at 90° with a NaI(Tl) scintillator; and determined the saturation depth of the sample by the Artificial Neural Network (ANN) algorithm. Two sets of samples with known and unknown density were used to train and test the network, respectively. The highest precision (with 0.15% relative error) was achieved by using the Levenbert-Marquardt algorithm with five hidden layers.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی

هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...

full text

استفاده از پراکندگی کامپتون برای شناسایی مواد

با استفاده از تابش گاما تا انرژیهای 384 کیلو الکترون ولت و موادی با عدد اتمی کمتر از 60 که شامل اغلب مواد پیرامون ما است، برهمکنش غالب برای تابش پراکندگی کامپتون خواهد بود. در این مقاله به بررسی پراکندگی کامپتون اشعه گاما از مواد مختلف پرداخته می شود و اینکه چگونه می توان یک اسباب اندازه گیری قابل حمل در شناسایی مواد مختلف ممنوعه که به نحوی در داخل چمدان، لای درب اتومبیل و غیره جاسازی شده اند ب...

full text

کاربرد شبکه عصبی مصنوعی در پیش‌بینی هدایت هیدرولیکی اشباع با استفاده از پارامترهای فیزیکی خاک

ویژگی­های هیدرولیکی خاک همچون هدایت هیدرولیکی اشباع و غیراشباع در مطالعات زیست محیطی نقش مهمی را ایفا می­نمایند.  از آنجائی­که اندازه­گیری مستقیم این قبیل ویژگی­های هیدرولیکی خاک امری وقت­گیر و هزینه­بر است روش­های غیرمستقیمی چون توابع انتقالی و شبکه­های عصبی مصنوعی بر مبنای پارامترهای سهل الوصول خاک توسعه یافته­اند.  در این خصوص در این مطالعه، از شبکه عصبی مصنوعی به­ منظور تخمین هدایت هیدرولیک...

full text

تعیین ارزش دارایی‌های نامشهود با استفاده از شبکه عصبی مصنوعی

درک عوامل موثر بر ارزش شرکت برای سرمایه‌گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه‌گذاری یا اعطای تسهیلات، امری حیاتی است. از آن‌جایی که اقتصاد دانش‌محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی‌های فیزیکی به دانش نامشهود منتقل شده است. از این‌رو در آینده نه چندان دور، ارزش‌گذاری دارایی‌های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن ...

full text

تعیین اندازه قطرات آفتکش با استفاده از شبکه‌های عصبی مصنوعی

امروزه توجه به مسائل ایمنی و زیست محیطی در تمام بخش­های کشاورزی، صنعتی و خدماتی کشورهای مختلف از اهمیت بالایی برخوردار است. در بخش کشاورزی با وجود تلاش­های فراوان برای یافتن روش­های جایگزین، سالانه میلیون­ها لیتر ماده­ی سمی برای کنترل آفات مزارع مصرف می­شود. در سمپاشی مؤثر اندازه قطرات  آفتکش نقش مهمی دارد اندازه‌ی قطرات تحت تاثیر عوامل متعددی از جمله فشار،  قطر سوراخ نازل،  گرانروی مایع پاشیده...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 18  issue 2

pages  195- 205

publication date 2018-09

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023